自适应天牛须优化与K均值聚类的图像分割算法研究

在机器识别中,图像分割是重要的一个步骤,传统分割手段存在一定缺陷。针对传统K均值聚类分割的初始聚类中心敏感的缺陷进行了优化,利用自适应天牛须优化算法,避免了这一问题。通过实验结果表明,该算法(ABASK)对图像进行分割,既可以保证图像轮廓的分割,同时还可以更多地保留图像细节。     

K-均值优化初始中心聚类单板图像的分割

针对彩色图像处理运算量大、计算耗时和灰度图像分割自适应阈值选择困难的问题,在通过对单板彩色图像充分分析的基础上,基于背景和目标颜色差异比较明显,提出了基于彩色图像RGB彩色空间的R通道的K-均值优化初始中心聚类的分割方法。该方法不需要彩色空间的变换,进一步降低了计算的复杂度。实验结果表明,可以提高分割的效率和准确性。     

用于分割无损检测图像的改进的抑制式模糊C均值聚类算法

由于无损检测图像灰度分布不均衡,常用的模糊C均值聚类算法不能对图像中的目标与背景进行有效分割,故提出一种改进的抑制式模糊C均值聚类算法(IS-FCM)对无损检测图像进行分割。通过对抑制式模糊C均值聚类算法(S-FCM)的目标函数融入每一类的总隶属度以均衡化目标像素和背景像素对聚类结果的影响,在构建的新目标函数基础上推导出新的隶属度和聚类中心迭代形式,然后分析了所提算法的收敛性并给出了执行步骤,最后通过无损检测图像对所提算法进行分割实验。结果表明,IS-FCM算法不仅能够对灰度分布不均衡的无损检测图像进行有效分割,还扩展了S-FCM算法的应用范围,增强了鲁棒性和适应性。     

基于聚类-改进灰狼算法的设施番茄分割识别方法

设施环境中的果实图像识别是作物生长监控和采摘智能化的关键技术之一.以设施番茄(品种:苏粉14)为研究对象,针对其获取图像果实粘连导致机器作业识别不准确,且识别效果受光线影响等问题,提出了 一种改进灰狼算法优化聚类中心的番茄图像自动分割方法,并通过形态学和多尺度Hough变换算法对目标进行提取,完成图像中粘连果实的分割与...     

用模糊聚类Fuzzy C-Means算法实现图像分割

本文描述了一种有效的Fuzzy C-Means(FCM)聚类算法的数学原理及其在图像分割中的应用,该算法的主要特点是提供了一种非监督的模糊聚类方式。为了减少计算量,文章引入了塔型数据结构PDS(Pyramid Data Structure),并对FCM算法的初始模糊矩阵的选取和实验结果进行了讨论。     

一种K-均值脸谱图聚类新算法

Chernoff脸谱图简单,类似卡通画,能图形化地表示多元数据。但脸谱图聚类算法具有主观性的巨大的对比工作量,脸谱特征分配困难。因此,本文提出一种新的脸谱图聚类算法,它合并了K均值聚类或模糊G均值聚类算法。IRIS和蔬菜油数据集的实验结果表明新算法优于传统的聚类算法。     

基于快速C均值聚类算法的烧结断面图像分割

利用图像分割技术,采用基于快速C均值聚类（FFCM）算法,实现了烧结图像背景、红火区和气孔区的自动分割。该算法在Visual C＋＋2008软件开发平台上编程实现并与其他算法作了比较。实验表明该算法对于具有多峰直方图的烧结断面图像有良好的实时性和分割效果,为烧结断面图像特征提取和识别工作奠定了良好基础。     

改进K均值聚类算法在电厂工况划分中的实现

本文介绍了改进K均值聚类算法的基本原理及应用。通过优化了初始聚类中心和可自适应调整到最佳值,改进的K均值聚类法和原始K均值法相比具有更高的分类准确率及更强的无监督自学习能力。并将此方法应用于基于实时数据的电厂工况划分,实验结果理想。     

FCM聚类算法和粗糙集在医疗图像分割中的应用

本文通过结合FCM聚类算法和粗糙集，提出了一种新的图像分割方法。首先，以不同聚类数情况下FCM的分割结果为依据构建属性值表，基于属性构成的不可分辨关系将图像分成多个小区域；然后，通过值约简获得各属性权值并以此为依据，计算各区域之间的差异度，进而通过差异度定义的等价关系，实现各区域相似度评价；最后，通过相似度定义的最终等价关系实现区域合并，完成图像分割。该方法在人工生成图像和大脑CT图像及MRI图像的分割中得到验证，实验结果表明，本文方法和FCM方法相比，可以降低错分率，且对模糊边界区域的分割效果较好。     

基于均值漂移的红外舰船图像分割算法

提出了一种有效的舰船红外目标图像分割算法,利用均值漂移分割算法的二维灰度和灰度邻域信息,滤除了海面的强杂波干扰,同时又不会损失舰船目标信息。利用不同类别的灰度权重,将红外舰船图像分割成为天空、海水和舰船3类,从而将舰船从图像中有效地分割。由于采用区域节点和灰度直方图来表征图像,与原始图像像素节点表征图像相比,区域节点的个数远远小于原始图像像素节点,从而提高了算法计算效率。计算结果也表明,该算法能够在海面强杂波的干扰下,有效地提取红外舰船目标。     

K-均值聚类法在机械设备铁谱监测技术中的应用

铁谱分析技术是润滑油液分析技术的主导技术,是机械设备工况监测和故障诊断的主要技术手段之一。铁谱片上磨损颗粒间的区分是磨损颗粒识别和诊断的基础。针对铁谱图像中磨损颗粒形状和颜色分布的复杂性,利用数字图像处理技术,采用K-均值聚类法,对铁谱彩色图像进行了分割处理研究。试验结果表明,K-均值聚类法可以有效地分割彩色铁谱图像,将磨损颗粒提取出来,为铁谱图像的后续处理工作奠定了基础。     

基于ISFLA的K均值聚类算法

针对K均值聚类算法和基于混合蛙跳( Shuffled Frog - Leaping Algorithm,SFLA)的K均值聚类算法的一些缺点,提出了基于改进混合蛙跳(Improved Shuffled Frog- Leaping Algorithm,ISFLA)的K均值聚类算法.该算法首先将生物学中吸引排斥机制应用在S...     

模糊聚类协作区域主动轮廓模型医学图像分割

医学图像分割的研究对于医学影像发展具有重要意义.区域主动轮廓模型(CV)易受目标和背景区域面积比的影响,且对初始位置敏感.针对上述现象,本文提出一种模糊C-均值聚类(FCM)协作改进CV模型的图像分割算法,即FCM-CV算法.首先在CV模型中增加能量权值函数消除面积比的影响,然后用FCM粗分割结果指导设定改进CV模型零水平集的初始位置.实验结果表明,与CV模型和局部二值拟合模型(LBF)相比,FCM-CV算法消除了面积比对分割精度和效率的影响,具有更好的数值稳定性,且对初始位置不敏感,提高了图像分割的准确性.     

基于物体材质的X射线安检图像分割算法

在使用X射线扫描系统进行安检的过程中,安检员采取人眼识别X射线安检图像来确认旅客是否携带违禁品,而被检包裹内由于物品重叠、种类繁杂,难免会造成误检、漏检等情况。针对安检图像的成像特点,提出了基于K均值与区域生长的分割算法,该算法通过有针对性地选择聚类中心,并采取加权系数改进聚类中距离度量方法,针对安检图像中物体的材质进行有效的图像分割。实验结果显示,该算法能够有效分割出安检图像中不同材质的物体,与人工识别相比提高了安检工作的效率。     

基于K均值聚类的FRP复合材料容器损伤声发射信号模式识别

采用声发射技术对FRP复合材料容器爆破过程进行监测,应用K均值聚类方法对预处理后的声发射信号进行分类,结合声发射信号的参数分析实现损伤机制的模式识别,并对不同损伤机制的声发射特性进行对比研究。研究结果为FRP复合材料损伤评价与识别提供了依据。     

融合密度峰值和空间邻域信息的FCM聚类算法

针对模糊C均值(FCM)算法聚类结果对初始中心点敏感以及聚类过程中没有考虑到不同密度样本点在聚类过程中影响力不同的缺陷,提出了一种密度峰值和样本点空间邻域信息优化的FCM算法。改进后的算法选择数据集中具有局部密度峰值的样本点或者局部密度较大的样本点作为初始聚类中心,充分考虑样本点邻域之间的关系,增加局部密度值大的样本点在聚类中心迭代计算过程中的影响力,从而达到优化FCM算法聚类效果的目的。理论分析和在人造数据集、加州大学欧文分校(UCI)机器学习数据库中真实数据上的实验结果表明,改进后算法的抗噪性、聚类效果和全局收敛能力均优于传统FCM算法。     

基于量子行为的微粒群优化算法与模糊C均值聚类算法的磨粒图像分割

利用计算机图像处理技术实现铁谱图像诊断自动化是铁谱技术发展的目标.介绍了基于微粒群优化(PSO) 算法与模糊C均值 (FCM) 聚类算法相融合的图像分割方法并分析了其缺点,提出了一种基于量子行为的微粒群优化(QPSO)算法与FCM算法相融合的图像分割方法,并采用该方法对铁谱图像进行预处理.结果表明,该方法收敛速度快,设置参数少,具有更高的精确性和稳定性,是一种更有效的铁谱图像预处理方法.     

喷墨印花纹理图像的期望最大化聚类分割算法

针对聚类分割算法对喷墨印花纹理图像存在的局限性,提出了一种结合期望最大化(EM)的喷墨印花纹理图像聚类分割算法(CSA).首先,将空间相关性引入聚类分割中,利用自回归模型表征纹理同质区域;然后,为了提高分割模型参数估计的精度,将分块标定机制引入期望最大化算法中,实现了参数极大似然估计的迭代算法,解决了不完全数据参数估计问题;最后,利用数据集分块并进行聚类,使同类元素具有较高的相似度,从而对图像中的像素进行了归类划分,并将得到的结果进行了合并,实现了目标图像的正确分割.实验结果表明,和传统的聚类分割算法相比,该算法能更好地解决喷墨印花纹理图像的分割问题.     

模糊聚类算法综述

模糊聚类算法是近年来图像分割技术领域的研究热点之一。本文在对模糊C均值聚类算法分析的基础上,结合目前在图像分割中的应用研究,对模糊C均值聚类算法的有效性进行了比较分析。从隶属度、聚类数和其它方面,评述改进的模糊c均值聚类算法。最后讨论模糊c均值聚类算法目前存在的问题和发展方向。